產品經理要掌握的數據知識:數據的基本概念、術語、指標,基本技術和分析方法

23 評論 63353 瀏覽 745 收藏 15 分鐘

“數據”這個詞,是產品經理永遠繞不過的話題,但從我多年面試經驗看,很多2-3歲的產品經理對數據的理解仍是模糊無章法的,鑒于本人也有著2年的數據產品經驗,特整理成文,給產品新人普及一下基本的數據知識。

1、基本概念

什么是“移動App的數據分析”?為什么要進行“移動App的數據分析”?

簡單來說,通過在App中進行埋點采集,或讀取App存儲在數據庫中的業務數據,以一定目的,將數據進行“篩選、清洗、加工、解析”,產出對產品設計、運營計劃有幫助的結論的過程,就是“數據分析”的過程。持續的數據分析可監控產品的運營狀態、提升推廣效果、發現產品問題、優化產品體驗。

2、基本術語

這里舉幾個我常遇到的術語,便于同開發和運營進行溝通。

埋點:一般意義上的埋點,是利用如友盟、Talkingdata等第三方公司的SDK,通過在App中嵌入一段SDK代碼,設定觸發條件,當滿足條件時,SDK會記錄日志,并將日志發送到第三方服務器進行解析,并可視化地呈現給我們。這一過程就叫埋點。

埋點方式也分“簡單埋點”和“自定義埋點”,所謂“簡單埋點”就是直接拿到第三方key,寫到App代碼的配置文件中即可。而“自定義埋點”則對應一種叫“自定義事件”的功能,一般第三方統計工具都支持,我們可通過設置“自定義事件”查看App特定的操作行為數據,如點擊按鈕次數、打開指定頁面次數等。

通常創建“自定義事件”都需要產品經理告知開發App的哪些條件下需要觸發“自定義事件”,以及觸發時要如何通過不同參數區分不同的點擊行為。

如同樣是點擊按鈕事件,可通過設置參數“Action”,來區分Action=Yes和Action=No這兩個按鈕分別點擊的次數。整個埋點流程如下圖所示:

89259-b4a6a99050287320

維度:維度就是指我們平時看事物的角度,也可理解成分析一個數據能從哪些方面去分析,這些“角度”都是有值且可被枚舉的。比如我們注冊用戶數有10萬,那可分析的維度有:用戶所在省份、用戶性別、用戶角色、用戶來源等。不同維度來觀察數據,可以得出不同結論,能否拓展觀察維度,也是評估數據分析能力的一個關鍵。

度量:度量和維度相輔相成,是指可量化的數值,用于考察不同維度觀察的效果,也可理解成“數據指標”。觀察度量值可總體查看,如App總用戶數,也可配合“維度”分層查看,如不同省份的注冊用戶數、活躍用戶數,不同來源的App啟動次數、平均日使用時長等。

渠道:指App的不同安裝來源,如通過第三方應用市場安裝,通過廣告點擊安裝,通過地推二維碼掃碼安裝,通過官網下載安裝等?;ヂ摼W公司的商務工作一般就是拓展渠道,觀察不同渠道帶來的數據表現,不斷優化渠道質量。

3、基本指標

注:以下所說的指標,均以移動App常見的核心指標為主,不涉及業務相關指標。目的是希望產品經理在談起某個數據時,能統一認識。

新增用戶:安裝App后,首次啟動App的設備數,需要按“設備號”去重。新增用戶主要為了衡量推廣效果,以及當前產品在整個生命周期所處階段。

活躍用戶:時間段內,啟動過App的設備數,需要按“設備號”去重。活躍用戶主要為了衡量運營效果,以及產品使用情況。

啟動次數:時間段內,啟動App的次數,無需去重。啟動次數主要為了衡量推送效果,以及App的內容是否足夠吸引人。

留存率:時間段內的新增用戶,經過一段時間仍啟動App的用戶,占原新增用戶的比例?!皶r間段”的劃分方式有:按日、按周、按月,對應指標還可細分為“日留存率、周留存率、月留存率”。而“經過一段時間”的劃分方式有:次日、7日、14日;次周、+2周;次月、+2月等。一般一款App的次日留存率為30-40%,次月留存率為20%,已經算是不錯的成績了。

使用時長:時間段內,從啟動到結束App使用的總時長。所謂“結束App”,通常指殺掉進程,或者將App退到后臺超過30秒。一般會按“人均使用時長、次均使用時長、單次使用時長”分析,衡量產品粘性和活躍情況。

使用頻率:用戶上次啟動App的時間,與再次啟動的時間差。使用頻數分布,可觀察到App對用戶的粘性,以及運營內容的深度。

4、基本技術

數據采集技術——抓包

所謂“抓包”,一般指觀察App上傳到服務器上的數據都有哪些。

通過“抓包”觀察,一方面可判斷自家App是否正確上傳了想要統計的數據,另一方面還可抓取到手機上安裝的其他App的上傳數據,用來分析競品內容更新情況。

一般在Mac系統上,我習慣用Charles工具,Windows系統可以用Wireshark。當然抓到的數據如果想進行詳盡分析,需要一點基本的http協議知識和json格式知識。

89259-53e73f41fc09108e

數據提取技術——sql語言。sql語言一般用于從數據庫中進行數據的增刪改查,需要企業運維人員或DBA人員開啟權限才可訪問,大公司的產品經理基本沒機會用到,但如果你是小公司的高級產品經理,且和技術商議僅開啟只讀權限,還是可以嘗試使用的。

以我個人經驗,掌握sql只是基本要求,更關鍵的在于了解數據庫表結構關聯關系,以及你提取數據的思路,sql只是工具而已。sql語言本身也和數據庫軟件相關,推薦學習mysql的sql語法,簡單易試。至于語句,只要掌握group by的維度,where的限制條件,還有join語句的表連接邏輯,基本就能應對80%的數據查詢需求,剩下的就是熟能生巧了。

數據處理技術——Excel、Python、JS。提取出來的數據,要深入分析,肯定得進行二次加工。按使用的難度高低,需要掌握工具如下:

Excel:大名鼎鼎的office工具,有著極其強大的數據處理能力。常用數據分析功能有透視表和命令行。推薦一個我喜歡的處理命令:

VLOOKUP:這是一個查找函數,給定一個查找目標,它就能從指定的查找區域中返回想要查找到的值。它的基本語法為:

VLOOKUP(查找目標,查找范圍,返回值的列數,false)

我們可在一堆數據中,根據指定條件,進行二次篩選,非常方便。當然這個函數的作用還不止如此,有興趣的同學可以深入研究一下。

此外,包括COUNTIF、IF等判斷語句,也是篩選數據非常好用的函數。

Python、JS:Python、JS其實是一種通用腳本語言,不止適用于數據分析,但由于其安裝、使用方便,函數庫豐富,特別適合有開發基礎的同學嘗試。舉個例子,mysql提取出來的數據,DBA通常會以Excel格式提供,簡單的二次處理可用Excel完成,但涉及根據業務不同,要根據Excel做數據的條件判斷計算,以及循環處理,就要借助第三方開發語言了(當然Excel自帶的VBA也很強大)。此外,如果希望以更可視化的方式查看數據,還可通過JS技術,調取第三方開發庫,如百度地圖的API,進行更豐富的呈現。比如之前我在e代駕做的車輛運行軌跡圖:

89259-4ef2c76036aebc7a

5、基本分析方法

介紹幾個常用的數據分析思路:

對比:字面上理解,就是非孤立地看數據,而是多個數據提取進行比較。根據對比方法不同,分為“橫向對比”和“縱向對比”。

  • 橫向對比:指空間維度的對比。相當于一個指標,在不同條件下的對比,但每個條件都屬于一個層級。舉個例子,App功能的A/B測試數據對比,各個渠道的新增用戶對比,都屬于橫向對比。
  • 縱向對比:指時間維度的對比。一般的對比方法有:同比、環比。同比一般指是指本期數據與上年同期數據對比,環比則是本期統計數據與上期比較。觀察時間軸上的數據折線圖來判斷產品運營狀態也是一種縱向對比。

拆分:分析這個詞,從字面意義上理解,就是“拆分”和“解析”,當某個維度對比后發現問題需要找原因時,就需要進一步“拆分”了。舉個例子,如果發現某日的銷售額只有昨日的50%,就需要對銷售額指標拆分為:成交用戶數 x 客單價,而成交用戶數 = 訪客數 x 轉化率。那么我們接下來就可分別針對:訪客數、轉化率、客單價,觀察今日和昨日相比的數據變化,找出原因。

降維:當維度太多時,我們不可能全部分析,這時就要篩選出有代表性的關鍵維度,去除掉那些無關數據,這就是“降維”。比如“成交用戶數 = 訪客數 x 轉化率”,當同時存在這三個指標時,其實我們只要三選二就能得出結論了。

增維:增維和降維是相對的,如果當前觀察的維度無法解釋當前問題,就需要對數據進行運算,多增加一個指標。在可視化分析領域,也可將不同類型的圖表嵌套使用,能達到增加信息展現維度,擴展分析廣度的目的,如下圖所示:(將環形圖和折線圖進行增維嵌套)。

89259-c0cd838c9a92b224

分組:也可叫聚類,合適的分組能更好地理解業務和場景。例如用戶畫像過程,就是一個按不同維度對數據分組的過程。通過用戶畫像,可以很清晰地知道產品的用戶地區、用戶興趣、用戶年齡、用戶性別等屬性占比,產品經理可通過畫像進一步了解用戶需求。

漏斗分析:主要用于分析產品使用的關鍵路徑,通過設定一系列操作步驟,統計每一步中的操作用戶數,并將用戶數以柱狀圖縱向排列,就可形成用戶流失漏斗,我們可分析漏斗每個環節的流失率,并觀察改進環節交互體驗后,流失用戶的變化情況,以此來驗證改動效果。

89259-762a89acbe075dfe

AARRR模型:該模型一般用于游戲數據分析,是Acquisition、Activation、Retention、Revenue、Refer,這五個單詞的縮寫,分別對應一款移動應用生命周期中的5個重要環節。AARRR本身是一個循環,使用者需觀察每個環節的數據情況,以此來分析產品是否在執行一個正循環過程。這其中的任一環節除了問題,都會導致產品數據的異常。

89259-fdf5e98923cf3489

6、總結

以上內容,從“基本概念、基本術語、基本指標、基本技術、基本分析方法”這幾個方面,講解了產品經理應了解的基本數據知識,其實每個方面都可再深入講解,但由于篇幅有限,只能擇期再開新話題,有興趣的同學可私信或微信溝通~加微信請備注來源哦~

 

作者:申悅,6年產品汪,現紅演圈公司產品VP,微信號:s2dongman

本文由 @申悅 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 干貨

    來自浙江 回復
  2. 拆分和增維還是不同的,增維是增加一個維度去分析,2個維度看不清楚,再變成3個維度去看,增加一個時間上的維度。
    目前這些方法只用過對比,太淺薄了,嘖嘖
    繼續學習
    謝謝分享

    來自上海 回復
  3. 數據分析的基本方法:1、對比,時間上對比,不同事件前后對比,不同渠道,不同表現的橫向對比;2、拆分,感覺和增維有點類似,一個指標看不清楚問題時候,可以對指標進行拆解,拆解后再分別比較分析;3、降維,去除不重要的指標,把一些指標經過計算變成一個指標等方式,還沒怎么用過;4、分組,這個方法不錯,按照用戶屬性分組去討論指標,更有針對性,什么樣的用戶喜歡什么樣的,什么變動對這類用戶比較有效?;蛘邎鼍?,這個場景下用哪個方式比較有用。更加精細化的分析。

    來自上海 回復
  4. 蠻不錯的

    回復
  5. 抓包很難啊

    來自浙江 回復
  6. 學到了

    來自浙江 回復
  7. ??

    回復
  8. 看來能用好EXCEL真的是一件硬本領啊 ??

    來自浙江 回復
  9. 好棒 蟹蟹

    來自江蘇 回復
  10. 有一種沖動去做運營然后轉產品,求推薦,哈哈

    來自北京 回復
  11. 嗯,做過數據分析類的產品,很可惜的是,數據量太少了,出來的漏斗圖的效果真的是無法直視。心疼自己1秒

    來自四川 回復
  12. 來自上海 回復
  13. 干貨,很贊

    來自北京 回復
  14. 太贊了,我正在分專題學習,提高產品經理能力,感謝你的分享,希望有機會可以進行向你學習~

    來自北京 回復
  15. 很贊的干貨知識,頂

    來自廣東 回復
  16. 很棒。

    來自廣東 回復
  17. 干貨! 很有幫助

    來自山西 回復
  18. 干貨滴干活

    來自廣東 回復
    1. O(∩_∩)O謝謝

      來自北京 回復
  19. 很深刻,受教了。

    來自山西 回復
    1. 謝謝~

      來自北京 回復
  20. ??

    來自江蘇 回復
    1. 有趣

      回復